Variabel endogen = Var. eksogen + variabel endogen + error …..(1)
Sumber : Ferdinand (2000)
2. Measurement Model atau persamaan spesifikasi model pengukuran.
Digunakan untuk menentukan variabel yang mengukur konstruk dan menentukan serangkaian matriks yang menunjukkan korelasi yang dihipotesakan antar konstruk dan variabel.
Komponen-komponen pengukuran mengidentifikasikan variabel-variabel laten dan komponen-komponen struktural, mengevaluasi hipotesis hubungan kausal antar variabel-variabel laten pada model kausal dan menunjukkan sebuah pengujian seluruh hipotesis dan model sebagai satu keseluruhan.
Persamaan-persamaan dalam penelitian ini terlihat pada tabel 3.1 dan Tabel 3.1 berikut ini :
Tabel 3.1 Model Pengukuran
Konstruk Exogenous Konstruk Endogenous
X1 = λ1 Kejujuran Transaksi + ε1 X2 = λ2 Reputasi baik + ε2 X3 = λ3 Bertanggung Jawab + ε3 X4 = λ4 Ketergantungan Layanan + ε4
X5 = λ5 Kesulitan penggantian penyedia jasa + ε5 X6 = λ6 Kerugian akibat berhentinya hub + ε6 X7 = λ7 Hubungan yang langgeng + ε7 X8 = λ8 Keamanan hubungan + ε8
X9 = λ9 Upaya mempertahankan hubungan + ε9
X10 = λ10 Pemeliharaan Hubungan + ε10 X11 = λ11 Keunggulan Bersaing + ε11 X12 = λ12 Penyesuaian insentif + ε12
X13 = λ13 Volume Penjualan + ε13 X14 = λ14 Tingkat Keuntungan + ε14 X15 = λ15 Jumlah Pelanggan + ε15
Sumber : dikembangkan oleh peneliti dalam penelitian ini
Tabel 3.2 Model Struktural
Strategi Integrasi = χ1 Pemeliharaan Hubungan + χ2 Keunggulan bersaing + χ3 Penyesuaian insentif dari tujuan stratejik + Z1
Kinerja pemasaran = β1 Besarnya volume penjualan + β2 Tingginya tingkat keuntungan +
β3 Banyaknya jumlah pelanggan + Z2
Sumber : dikembangkan oleh peneliti dalam penelitian ini
Sisi disebelah kiri dari tiap persamaan pada model pengukuran yang diajukan merupakan variabel terukur dan sisi di sebelah kanan untuk variabel laten. Konstruk endogen pada penelitian ini adalah Strategi Integrasi dan Kinerja Perusahaan. Sedangkan konstruk endogen pada penelitian ini adalah Kepercayaan, Ketergantungan, dan Harapan kelangsungan hubungan seperti yang terlihat pada model salah satu dari variabel terukur yang terdapat pada setiap variabel laten dikhususkan memiliki faktor loading dari λ = 1, dimanaλ digunakan untuk menilai kecocokan, kesesuaian atau dimensionalitas dari dimensi-dimensi yang ada dalam membentuk sebuah faktor (Ferdinand,2000).
3.8 Memilih matriks input dan Estimasi model
SEM menggunakan input data yang hanya menggunakan matriks varian/Kovarians atau matriks korelasi untuk keseluruhan estimasi yang dilakukan. Matriks kovarians digunakan SEM memiliki keunggulan dalam menjanjikan perbandingan yang valid antara populasi yang berbeda atau sampel yang berbeda yang tidak dapat disajikan oleh korelasi.Hair.et.al.(1995) dalam Ferdinand (2000) menyarankan agar menggunakan varians/kovarians pada
standart error yang dilaporkan akan menunjukkan angka yang lebih akurat dibanding menggunakan matriks korelasi.
Disebutkan oleh Ferdinand (2000) teknik estimasi model yang tersedia dalam AMOS 4.0. antara lain adalah :
1. Maximum likelihood Estimation (ML) 2. Generalized Least Square Estimation (GLS) 3. Unweight Least Suare Estimation (ULS) 4. Scale Free Least Estimation (SLS)
5. Asymptotically Distribution – Free Estimation (ADF)
Maximum Likelihood Estimation (ML) biasanya digunakan dalam penelitian yang memerlukan ukuran sampel yang kecil (100-200 sampel).
Unweighted Least Square Estimation (SLS) biasanya tidak menghasilkan uji X ,Sedangkan Generation Least Square Estimation (GLS) dan Asymptorically Distribution – Free Estimation yang lebih besar karena penelitian ini menetapkan ukuran sampel sebanyak 100-200 responden maka teknik estimasi model yang akan dipergunakan dalam penelitian ini adalah Maximum Likelihood Estimation.
3.9 Kemungkinan Munculnya Masalah Identifikasi
Problem identifikasi pada prinsipnya adalah problem mengenai ketidakmampuan model yang dikembangkan menghasilkan estimasi yang tidak tepat. Bila setiap kali estimasi dilakukan muncul problem identifikasi, maka sebaiknya model dipertimbangkan ulang dengan mengembangkan lebih banyak
konstruk. Disebutkan oelh Ferdinand (2000), beberapa indikasi problem identifikasi :
1. Standart error untuk satu atau beberapa koefisien adalah sangat besar.
2. Program tidak mampu menghasilkan matris informasi yang seharusnya disajikan.
3. Muncul angka-angka yang aneh seperti adanya varians error yang negatif.
4. Munculnya korelasi yang sangat tinggi antar koefisien estimasi yang didapat ( misalnya lebih dari 0.9).
3.10 Evaluasi Kriteria Goodness of Fit
Pada tahap ini dilakukan pengujian terhadap kesesuaian model melalui telaah terhadap berbagai kriteria Goodness of fit. Disebutkan oleh Ferdinand (2000), beberapa indeks kesesuaian dan cut off value untuk menguji apakah sebuah model dapat diterima atau ditolak antara lain :
1. -χ2-Chi square statistik dimana model dipandang baik dan memuaskan bila nilai Chi Squarenya rendah. Semakin kecil nilai chi-square semakin baik model itu, karena dalam uji beda chi-square,
χ
2= 0 berarti benar-benar tidak ada perbedaan H0 diterima dan diterima berdasarkan probabilitas dengan cut of value sebesar p > 0,05 atau p > 0,10 (Hulland et all, 1996) 2. -RMSEA (The Root Square Error of Approximation) yang menunjukkangoodness of fit yang diharapkan bila model diestimasi dalam populasi. Nilai RMSEA yang lebih kecil atau sama dengan 0.08 merupakan indeks untuk dapat diterimanya model berdasarkan degrees of fredom.
3. GFI (Goodness of fit Index) adalah ukuran non statistikal yang mempunyai rentang nilai antara 0 (poor fit) sampai dengan 1.0 (perfect fit). Nilai yang tinggi dalam indeks ini menunjukkan sebuah ‘better fit’.
4. AGFI (Adjusted Goodness of Fit Indeks) dimana tingkat persamaan yang direkomendasikan adalah bila AGFI mempunyai nilai atau lebih besar dari 0.90.
5. CMN/DF adalah minimum sample discrepancy Fuction yang dibagi dengan Degree of Freedom. CMN/DF tidak lain adalah statistik chi-square ( 2χ ) dibagi DF nya disebut relatif kurang dan 2.0 atau 3.0 adalah indikasi dari acceptible fit antara model dan data.
6. TLI (Tucher Lewis Index) merupakan Incremental Indeks yang membandingkan sebuah model yang diuji terhadap sebuah baseline model dimana nilai yang direkomendasikan sebagai acuan untuk diterimanya sebuah model adalah ≥ 0.95 dan nila yang mendekati 1 menunjukkan a very good fit.
7. CFI (Comparative Fit Index) dimana bila mendekati 1 mengindikasikan tingkat fit yang paling tinggi. Nilai yang direkomendasikan adalah CFI >
0.95.
3.11 Interpretasi dan Modifikasi Model
Tahap akhir ini adalah melakukan interpretasi dan modifikasi bagi model-model yang tidak memenuhi syarat-syarat pengujian, hair et.al (1995) dalam Ferdinand (2000) memberikan pedoman untuk mempertimbangkan perlu tidaknya
modifikasi sebuah model dengan melihat jumlah residual yang dihasilkan model tersebut, batas keamanan untuk jumlah residual adalah 0.05 %. Bila jumlah residual lebih besar dari 0.05 % dari semua residual kovarians yang dihasilkan oleh model cukup besar (yaitu > 2.00) maka cara lain dalam memodifikasi adalah dengan mempertimbangkan untuk menambah sebuah alur baru terhadap model yang diestimasikan Nilai residual value yang lebih besar dari 2.00 diinterpretasikan sebagai signifikan secara statistik pada tk.0.05 %. dan Residual yang signifikan ini menunjukkan adanya prediction error yang substansial untuk sepasang indicator.
Tabel 3.3.
Indeks pengujian Kelayakan Model Goodness of fit index Cut-off value χ2 Chi-square
Uji validitas digunakan untuk mengukur seberapa cermat suatu test melaksanakan fungsi ukurnya. Dalam penelitian ini digunakan uju validitas item dengan menggunakan criteria internal yaitu membandingkan kesesuaian tiap komponen pertanyaan dengab skor total keseluruhan test.
Uji validitas juga merupakan kemampuan dari indikator-indikator untuk mengukur tingkat keakuratan sebuah konsep. Artinya apakah konsep yang telah
dibangun tersebut sudah valid atau belum. Uji ini melibatkan para ahli (Ahli pemasaran,Ahli statistik) dan pihak yang berkompeten (Calon responden) untuk memberi komentar dan saranterhadap indicator yang dijabarkan dalam item pertanyaan (Sugiyono, 1999).
3.13. Uji Reliabilitas Konstruk
Reabilitas adalah indek yang menunjukkan sejauh mana suatu alat pengukur dapat dipercaya/dapat diandalkan. Reabilitas menunjukkan konsistensi suatu alat pengukur di dalam mengukur gejala yang sama. Uji reliabilitas konstruk dalam SEM diperoleh melalui rumus Hair et.al. (1995)
( Std. Loading ) Construct
Reliability
= --- ( Std. Loading) +
∑
∈ .j3.14. Simpulan Bab III
Pada Bab 3 ini prosedur pengumpulan data dan analisis data telah diuraikan. Pengumpulan data akan dilakukan untuk mencari data primer terutama pandangan mengenai hubungan PT. Adiguna Lensa Prima dengan retailnya yang terbentuk oleh adanya Strategi Integarasi. Untuk itu sebuah daftar pertanyaan telah dikembangkan atas dasar variable-variabel yang digunakan peneliti terdahulu . Pertanyaan diajukan kepada responden retail PT. Adiguna Lensa Prima di wilayah Semarang. Structural Equation Modeling akan digunakan untuk menguji hipotesis dengan menggunakan Confirmatorry Factor analysis serta Full Model SEM.
2
2